数据仓库与数据挖掘概念、方法及图书馆应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据仓库与数据挖掘概念、方法及图书馆应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述1

1.1 初识数据仓库1

1.1.1 数据仓库的产生过程1

1.1.2 数据仓库的体系结构3

1.1.3 数据仓库的关键技术4

1.2 初识数据挖掘5

1.2.1 数据挖掘对象5

1.2.2 数据挖掘过程7

1.2.3 数据挖掘方法8

1.3 数据仓库与数据挖掘的关系10

1.4 数据仓库与数据挖掘工具10

1.5 图书馆为什么需要数据仓库与数据挖掘13

第2章 数据仓库14

2.1 数据仓库概述14

2.2 数据仓库与数据库的区别15

2.3 数据仓库数据组织结构16

2.4 数据仓库开发过程18

2.4.1 规划分析阶段18

2.4.2 设计实现阶段18

2.4.3 使用维护阶段21

2.5 案例：利用SQL Server 2012创建数据仓库22

2.5.1 概念模型设计22

2.5.2 逻辑模型设计23

2.5.3 物理模型设计26

第3章 数据抽取转换加载37

3.1 ETL过程37

3.1.1 数据抽取37

3.1.2 数据转换38

3.1.3 数据加载39

3.2 T-SQL语句40

3.2.1 数据定义语句40

3.2.2 数据控制语句40

3.2.3 数据操纵语句41

3.3 SSIS服务41

3.3.1 SSIS工具箱41

3.3.2 SSIS包42

3.4 案例：利用SQL Server 2012抽取、转换及加载数据44

3.4.1 数据抽取44

3.4.2 数据清理、转换51

3.4.3 数据加载53

第4章 联机分析处理66

4.1 联机分析处理特性及评价66

4.1.1 OLAP特性66

4.1.2 OLAP评价准则67

4.2 OLAP的一些基本概念68

4.3 OLAP的基本操作69

4.4 案例：利用SQL Server 2012创建OLAP立方73

4.4.1 建立数据源73

4.4.2 创建数据源视图76

4.4.3 根据向导创建多维数据集79

4.4.4 修改Cube中的维度和度量86

4.4.5 部署项目90

4.4.6 分析多维数据集93

第5章 关联规则98

5.1 基本概念98

5.2 关联规则的分类100

5.3 Apriori算法101

5.3.1 Apriori性质101

5.3.2 Apriori算法步骤101

5.3.3 Apriori算法示例102

5.4 Microsoft关联规则算法106

5.4.1 Microsoft关联规则算法的参数107

5.4.2 Microsoft关联规则算法的要求108

5.5 案例：利用SQL Server 2012进行Microsoft关联规则挖掘108

5.5.1 数据准备108

5.5.2 实现挖掘任务111

5.5.3 浏览模型120

5.5.4 关联预测124

第6章 分类129

6.1 决策树算法129

6.1.1 基本概念129

6.1.2 ID3算法130

6.1.3 ID3算法示例132

6.1.4 由决策树提取分类规则134

6.1.5 Microsoft决策树算法134

6.2 贝叶斯分类算法136

6.2.1 贝叶斯分类的基础——贝叶斯定理136

6.2.2 朴素贝叶斯分类器137

6.2.3 朴素贝叶斯分类示例137

6.2.4 Microsoft Naive Bayes算法138

6.3 神经网络算法139

6.3.1 生物神经元与人工神经元140

6.3.2 神经网络的激发函数141

6.3.3 多层感知器141

6.3.4 Microsoft神经网络算法143

6.4 逻辑 回归算法144

6.4.1 逻辑 回归算法概述144

6.4.2 Microsoft逻辑 回归算法145

6.5 案例：利用SQL Server 2012进行分类挖掘146

6.5.1 数据准备146

6.5.2 实现挖掘任务148

6.5.3 浏览模型160

6.5.4 挖掘性能分析172

第7章 聚类180

7.1 聚类分析180

7.1.1 聚类分析中的数据结构180

7.1.2 聚类分析中的数据类型181

7.2 k-平均算法185

7.3 EM算法186

7.4 Microsoft聚类算法186

7.4.1 Microsoft聚类算法的参数187

7.4.2 Microsoft聚类算法的要求187

7.5 案例：利用SQL Server 2012进行Microsoft聚类分析挖掘188

7.5.1 数据准备188

7.5.2 实现挖掘任务190

7.5.3 浏览模型197

第8章 线性回归200

8.1 一元线性回归200

8.2 多元线性回归201

8.3 Microsoft线性回归算法202

8.3.1 Microsoft线性回归算法的参教202

8.3.2 Microsoft线性回归算法的要求203

8.4 案例：利用SQL Server 2012进行Microsoft线性回归挖掘203

8.4.1 数据准备203

8.4.2 实现挖掘任务204

8.4.3 浏览模型211

第9章 时序213

9.1 基本概念213

9.2 简单平均法214

9.3 移动平均法214

9.3.1 简单移动平均214

9.3.2 加权移动平均215

9.4 指数平滑法215

9.4.1 简单指数平滑法215

9.4.2 考虑趋势调整的指数平滑法216

9.4.3 考虑季节性调整的指数平滑法217

9.5 ARIMA模型218

9.5.1 平稳时间序列ARIMA模型的一般形式218

9.5.2 非平稳时间序列ARIMA模型的一般形式219

9.5.3 方法性工具220

9.6 ARIMA模型示例222

9.7 Microsoft时序算法225

9.7.1 Microsoft时序算法的参数225

9.7.2 Microsoft时序算法的要求227

9.8 案例：利用SQL Server 2012进行Microsoft时序算法挖掘227

9.8.1 数据准备227

9.8.2 实现挖掘任务230

9.8.3 浏览模型237

主要参考文献241